Künstliche Intelligenz verändert Unternehmen mit erstaunlicher Geschwindigkeit.
Sie analysiert Daten, optimiert Prozesse, erstellt Inhalte, erkennt Muster und unterstützt Entscheidungen. Was früher Tage dauerte, geschieht heute in wenigen Minuten. Unternehmen werden dadurch produktiver, schneller und präziser.
Doch genau darin liegt eine Gefahr, über die kaum jemand spricht:
Wenn alle Unternehmen dieselben KI-Modelle mit ähnlichen Daten und vergleichbaren Prompts verwenden, entstehen zunehmend ähnliche Antworten, Strategien und Geschäftsmodelle.
KI hilft Unternehmen, häufiger richtigzuliegen. Gleichzeitig kann sie jedoch dazu führen, dass sie seltener etwas wirklich Außergewöhnliches entdecken.
Denn KI reduziert nicht nur extreme Fehler. Sie kann auch extreme Chancen unsichtbar machen.
KI bildet den Durchschnitt des bereits Bekannten
Generative KI basiert auf Mustern, die sie in bestehenden Daten gelernt hat. Sie ist deshalb besonders gut darin, wahrscheinliche Zusammenhänge zu erkennen und plausible Antworten zu erzeugen.
Für viele Aufgaben ist das ein enormer Vorteil: Prozesse optimieren, Kosten reduzieren, bestehende Angebote verbessern, bekannte Zielgruppen analysieren, erfolgreiche Formate reproduzieren oder Risiken aus historischen Daten ableiten.
KI macht Unternehmen besser in der Nutzung des bereits vorhandenen Wissens.
Doch sie bleibt häufig innerhalb des gedanklichen Raumes, den die Vergangenheit bereits geschaffen hat. Sie erkennt, was wahrscheinlich funktioniert. Sie bevorzugt Lösungen, die logisch, anschlussfähig und statistisch plausibel erscheinen.
Das Problem dabei:
Die größten unternehmerischen Chancen sind am Anfang häufig weder plausibel noch wahrscheinlich.
Sie sehen ungewöhnlich, irrational oder sogar falsch aus.
Was ist Black Swan Thinking?
Der Begriff „Black Swan“ wurde durch Nassim Nicholas Taleb bekannt. Er beschreibt Ereignisse, die vor ihrem Eintreten als äußerst unwahrscheinlich gelten, enorme Auswirkungen haben und im Nachhinein plötzlich logisch erklärt werden.
Für Unternehmen bedeutet Black Swan Thinking jedoch nicht, seltene Ereignisse exakt vorherzusagen. Das wäre ein Widerspruch in sich.
Es bedeutet vielmehr:
- Abhängigkeiten und Fragilität reduzieren
- unbekannte Risiken mitdenken
- asymmetrische Chancen suchen
- kleine Experimente mit begrenztem Verlust durchführen
- offen für unerwartete Entwicklungen bleiben
- von positiven Überraschungen profitieren können
Die entscheidende Frage lautet nicht: Wie können wir die Zukunft möglichst genau vorhersagen, sondern „Wie bauen wir ein Unternehmen, das negative Überraschungen überlebt und positive Überraschungen maximal nutzen kann?“
Das Paradox der KI-Optimierung
Wenn alle Unternehmen KI verwenden, werden durchschnittliche Entscheidungen besser.
Landingpages werden conversionstärker. Kampagnen werden präziser. Texte werden klarer. Prozesse werden effizienter. Marktanalysen werden umfassender.
Doch gleichzeitig entsteht eine neue Form der Homogenität.
- Alle analysieren dieselben Best Practices.
- Alle beobachten dieselben Wettbewerber.
- Alle optimieren dieselben Kennzahlen.
- Alle verwenden ähnliche Modelle.
- Alle erhalten ähnlich vernünftige Empfehlungen.
Der Wettbewerb verschiebt sich dadurch.
Der Vorteil entsteht nicht mehr allein daraus, KI zu nutzen. Der Vorteil entsteht daraus, jene Möglichkeiten zu erkennen, welche die KI aufgrund ihrer Orientierung am Wahrscheinlichen nicht priorisiert.
Black Swan Thinking wird deshalb im KI-Zeitalter wichtiger, nicht weniger wichtig.
Exploitation und Exploration
Unternehmen benötigen zwei unterschiedliche Fähigkeiten.
Exploitation: Das Bestehende optimieren
Exploitation bedeutet, vorhandene Ressourcen, Produkte, Daten und Prozesse effizienter zu nutzen.
Hier ist KI außergewöhnlich stark:
- bestehende Kampagnen analysieren
- Conversion Rates verbessern
- Kostenstrukturen optimieren
- Nachfrage prognostizieren
- Kunden segmentieren
- Wiederkehrende Aufgaben automatisieren
Exploitation erhöht die Effizienz des bekannten Geschäftsmodells.
Exploration: Das Unbekannte entdecken
Exploration bedeutet, neue Möglichkeiten außerhalb des bestehenden Denkrahmens zu untersuchen.
Dazu gehören:
- ungewöhnliche Zielgruppen
- neue Kaufmotive
- unerwartete Produktanwendungen
- alternative Geschäftsmodelle
- unbesetzte Kategorien
- konträre Positionierungen
- neue Vertriebswege
- scheinbar irrationale Kundenbedürfnisse
Exploration erzeugt nicht sofort Effizienz. Sie erzeugt Optionen.
Und genau diese Optionen können später zu neuen Wachstumskurven werden.
KI hilft Unternehmen vor allem dabei, das bestehende Spiel besser zu spielen. Black Swan Thinking stellt infrage, ob das bestehende Spiel überhaupt das richtige ist.
Drei Prinzipien für Unternehme
1. Vermeide Fragilität
Ein Unternehmen ist fragil, wenn eine einzelne Veränderung großen Schaden verursachen kann.
Typische Beispiele sind: ein dominanter Vertriebskanal, ein einziger Großkunde, eine zentrale Plattform, ein besonders wichtiger Lieferant
ein nicht ersetzbarer Mitarbeiter, ein Geschäftsmodell, das von stabilen Werbekosten abhängt oder eine Strategie, die nur unter einer bestimmten Marktannahme funktioniert
KI kann solche Systeme effizienter machen. Sie beseitigt jedoch nicht automatisch ihre grundlegende Fragilität.
Ein Unternehmen kann hervorragend optimiert und trotzdem gefährlich instabil sein.
Deshalb sollten Unternehmen regelmäßig fragen:
- Von welchem Kanal sind wir übermäßig abhängig?
- Welche Annahme darf auf keinen Fall falsch sein?
- Was passiert, wenn unser wichtigstes KI-Modell, unsere Plattform oder unser Vertriebskanal ausfällt?
- Welches einzelne Ereignis könnte unser Geschäftsmodell ernsthaft beschädigen?
- Wo verwechseln wir kurzfristige Effizienz mit langfristiger Stabilität?
Das erste Ziel von Black Swan Thinking lautet nicht, unbesiegbar zu werden. Es lautet, nicht durch einen einzigen Fehler zerstört werden zu können.
2. Suche nach Asymmetrien
Eine asymmetrische Chance besitzt einen begrenzten möglichen Verlust, aber einen sehr großen potenziellen Gewinn.
Das können sein:
- ein kleiner Test in einer ungewöhnlichen Zielgruppe
- ein Prototyp für einen neuen Anwendungsfall
- eine konträre Markenpositionierung
- ein Pilotprojekt mit einem neuen Preismodell
- eine Kooperation außerhalb der eigenen Branche
- ein kleines digitales Produkt mit globalem Skalierungspotenzial
- ein Experiment mit einem unerwarteten Verkaufskanal
Die meisten Unternehmen bewerten Ideen danach, wie wahrscheinlich ihr Erfolg erscheint.
Das führt dazu, dass vernünftige und leicht erklärbare Ideen bevorzugt werden. Doch eine geringe Erfolgswahrscheinlichkeit ist nicht automatisch schlecht, wenn der mögliche Verlust begrenzt und der potenzielle Gewinn außergewöhnlich groß ist.
Die bessere Frage lautet deshalb:
Was können wir mit geringem Risiko testen, das bei Erfolg eine überproportionale Wirkung hätte?
Der Wert einer unternehmerischen Wette ergibt sich nicht nur aus ihrer Erfolgswahrscheinlichkeit. Er entsteht aus dem Verhältnis zwischen Downside und Upside.
3. Baue Optionalität auf
Optionalität bedeutet, mehrere mögliche Wege offenzuhalten, ohne sich frühzeitig vollständig festzulegen.
Statt das gesamte Innovationsbudget in ein großes Projekt zu investieren, kann ein Unternehmen mehrere kleine Experimente durchführen. Die meisten werden keine besondere Wirkung entfalten. Einige liefern wertvolle Erkenntnisse. Eines könnte das zukünftige Geschäftsmodell verändern.
Optionalität entsteht durch:
- kleine und schnelle Experimente
- modulare Technologien
- flexible Kostenstrukturen
- unterschiedliche Vertriebskanäle
- wiederverwendbare Daten und Systeme
- strategische Partnerschaften
- kurze Lernzyklen
- Entscheidungen, die später korrigierbar bleiben
Es geht nicht darum, unentschlossen zu sein. Es geht darum, irreversible Entscheidungen möglichst spät und lernfähige Experimente möglichst früh durchzuführen.
Mungers Inversion: Wie würden wir unser Unternehmen zerstören?
Charlie Munger empfahl, schwierige Probleme umzukehren:
„Invert, always invert.“
Statt nur zu fragen, wie ein Unternehmen erfolgreich werden kann, sollte man fragen:
Was müssten wir tun, um unser Unternehmen mit hoher Wahrscheinlichkeit fragil, austauschbar und irrelevant zu machen?
Mögliche Antworten wären:
- vollständig von einer Plattform abhängig werden
- nur kurzfristige Kennzahlen optimieren
- ausschließlich die Konkurrenz kopieren
- alle Entscheidungen aus historischen Daten ableiten
- ungewöhnliche Ideen zu früh aussortieren
- Effizienz mit Strategie verwechseln
- keine Experimente außerhalb des Kerngeschäfts zulassen
- KI-Antworten ungeprüft als Wahrheit behandeln
- sämtliche Prozesse so stark standardisieren, dass keine Abweichung mehr möglich ist
Diese Inversion macht sichtbar, dass viele Unternehmen gerade unbewusst genau jene Systeme aufbauen, die sie langfristig fragil machen.
Die versteckte Gefahr perfekter Vorhersagen
Unternehmen wünschen sich immer präzisere Prognosen. Sie möchten wissen, welche Produkte sich verkaufen, welche Kunden kaufen und welche Kampagnen funktionieren werden.
Doch jede Vorhersage basiert auf einem Modell. Und jedes Modell basiert auf Annahmen über die Welt.
Solange sich die Welt ähnlich verhält wie in der Vergangenheit, funktionieren diese Modelle. Wenn sich jedoch Technologie, Kundenverhalten, Regulierung oder Marktstrukturen fundamental verändern, können scheinbar präzise Prognosen plötzlich wertlos werden.
Das eigentliche Risiko besteht nicht in einer ungenauen Vorhersage.
Es besteht darin, einer präzisen Vorhersage zu stark zu vertrauen.
Entscheidungsintelligenz bedeutet deshalb nicht nur, bessere Vorhersagemodelle zu bauen. Sie bedeutet auch, ihre Grenzen zu verstehen und Systeme zu entwickeln, die mit Modellfehlern umgehen können.
Ein praktisches Black-Swan-System für Unternehmen
Black Swan Thinking darf keine abstrakte Managementphilosophie bleiben. Es muss in konkrete Entscheidungs- und Wachstumssysteme übersetzt werden.
Ein einfaches System kann aus fünf Schritten bestehen.
- Fragilität sichtbar machen: Identifiziere zentrale Abhängigkeiten, irreversible Entscheidungen und Annahmen, deren Scheitern großen Schaden verursachen würde.
- Annahmen falsifizieren: Frage nicht nur, welche Daten die Strategie bestätigen. Suche gezielt nach Informationen, die sie widerlegen könnten.
- Asymmetrische Wetten definieren: Entwickle kleine Experimente mit klar begrenztem Verlust und überproportionalem Wachstumspotenzial.
- Exploration institutionalisieren: Reserviere bewusst Zeit, Budget und personelle Kapazität für Ideen, die noch keinen sicheren ROI versprechen.
- Gewinner skalieren: Wenn ein Experiment ein unerwartet starkes Signal erzeugt, muss das Unternehmen schnell reagieren und Ressourcen verschieben können.
So entsteht ein lernendes System:
Fragilität erkennen. Annahmen testen. Optionen schaffen. Signale beobachten. Gewinner skalieren.
KI und Black Swan Thinking sind keine Gegensätze. Ihre Kombination erzeugt den eigentlichen strategischen Vorteil.
KI kann große Datenmengen analysieren, bekannte Muster erkennen, Szenarien simulieren und bestehende Systeme optimieren. Menschen müssen entscheiden, welche Annahmen hinterfragt, welche ungewöhnlichen Möglichkeiten untersucht und welche asymmetrischen Wetten eingegangen werden.
Die Arbeitsteilung lautet: KI optimiert das Wahrscheinliche. Menschen müssen das Unwahrscheinliche denkbar machen.
Unternehmen benötigen deshalb nicht nur bessere Prompts oder leistungsfähigere Modelle. Sie benötigen eine Entscheidungsarchitektur, die Optimierung und Exploration miteinander verbindet.
Optimiere das Bekannte, aber baue für das Unbekannte
Im KI-Zeitalter wird Effizienz zunehmend zur Grundvoraussetzung. Sie allein erzeugt jedoch keinen dauerhaften strategischen Vorteil.
Wenn alle Unternehmen dieselben Technologien verwenden, entstehen Vorteile dort, wo jemand anders denkt, ungewöhnliche Muster erkennt und Möglichkeiten verfolgt, die im Durchschnitt der Daten noch nicht sichtbar sind.
Black Swan Thinking bedeutet nicht, auf ein Wunder zu hoffen. Es bedeutet, das Unternehmen so zu gestalten, dass es Überraschungen überlebt, aus Fehlern lernt und von unerwarteten Chancen überproportional profitieren kann.
Die entscheidende Fähigkeit der Zukunft ist deshalb nicht nur, bessere Vorhersagen zu treffen.
Sie besteht darin, zu wissen, wann ein Modell nicht ausreicht, wo eine Abhängigkeit gefährlich wird und welche kleine Wette einen außergewöhnlich großen Vorteil erzeugen könnte.
Während alle das Wahrscheinliche optimieren, entsteht der strategische Vorteil dort, wo jemand das Unwahrscheinliche erkennt.